CN112053043A - 一种基于区块链的群智感知方法及*** - Google Patents

一种基于区块链的群智感知方法及*** Download PDF

Info

Publication number
CN112053043A
CN112053043A CN202010847740.4A CN202010847740A CN112053043A CN 112053043 A CN112053043 A CN 112053043A CN 202010847740 A CN202010847740 A CN 202010847740A CN 112053043 A CN112053043 A CN 112053043A
Authority
CN
China
Prior art keywords
worker
node
data
verifier
task
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010847740.4A
Other languages
English (en)
Other versions
CN112053043B (zh
Inventor
邹仕洪
奚锦文
徐国爱
徐国胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN202010847740.4A priority Critical patent/CN112053043B/zh
Publication of CN112053043A publication Critical patent/CN112053043A/zh
Application granted granted Critical
Publication of CN112053043B publication Critical patent/CN112053043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • G06F16/244—Grouping and aggregation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24553—Query execution of query operations
    • G06F16/24554—Unary operations; Data partitioning operations
    • G06F16/24556—Aggregation; Duplicate elimination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Security & Cryptography (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供一种基于区块链的群智感知方法及***，任务请求者向区块链发布任务时，选取工人并通过执行验证者选择智能合约选取验证者；工人完成任务，通过区块链向任务请求者提交感知数据时，执行工人雇佣智能合约，由验证者对工人与任务请求者之间的雇佣关系进行验证，完成第一次共识；任务请求者对感知数据进行数据质量评估后，向区块链提交评估结果和感知数据，执行数据验证智能合约，由验证者根据任务请求者提交的感知数据和第一次共识时工人提交的感知数据，对感知数据进行验证，并根据评估结果确定是否执行支付操作，完成第二次共识；若可以执行支付操作，向工人支付相应的奖励。本说明书的方法及***能够降低参与节点的工作负荷。

Description

一种基于区块链的群智感知方法及***
技术领域
本说明书一个或多个实施例涉及计算机技术领域，尤其涉及一种基于区块链的群智感知方法及***。
背景技术
随着移动通信、物联网技术的发展以及移动设备的功能多样性发展，群智感知***作为新型有效的数据收集技术，在监测环境、公共基础设施、社交网络等领域得到了应用。
为实现不同场景下感知数据的高效采集并确保***安全性，现有的群智感知***一般在达成共识阶段采用工作量证明机制(Proof Of Work，POW)，而且，为了保护隐私采用了非常复杂的加密算法(例如，同态加密算法、安全多方计算等)，极大的增加了参与节点的工作负荷，对参与节点的配置要求较高。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种基于区块链的群智感知方法及***，能够降低参与节点的工作负荷，降低对参与节点的配置要求。
基于上述目的，本说明书一个或多个实施例提供了一种基于区块链的群智感知方法，包括：
当任务请求者向区块链发布任务时，选取工人，并通过执行验证者选择智能合约选取验证者；
当所述工人完成任务，通过所述区块链向所述任务请求者提交感知数据时，执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识；
当所述任务请求者对所述工人提交的感知数据进行数据质量评估后，向所述区块链提交评估结果和接收到的工人提交的感知数据，执行数据验证智能合约，由所述验证者根据任务请求者提交的感知数据和第一次共识时工人提交的感知数据，对感知数据进行验证，并根据所述评估结果确定是否执行支付操作，完成第二次共识；
若确定可以执行支付操作，向所述工人支付相应的奖励。
可选的，所述通过执行验证者选择智能合约选取验证者，包括：
计算参与交易的所有节点的全局信誉值；
根据各节点的全局信誉值，选取出所述验证者。
可选的，所述计算参与交易的所有节点的全局信誉值，包括：对于每个节点，执行以下步骤：
计算当前节点的局部信誉值；
对所述局部信誉值进行标准化处理，得到标准化处理后的局部信誉值；
根据所述当前节点与其邻居节点之间的交易评级，对所述标准化处理后的局部信誉值进行聚合处理，得到聚合处理后的局部信誉值；所述邻居节点为与所述当前节点进行过交易的节点；
根据所述邻居节点与其邻居节点之间的交易评级，基于所述聚合处理后的局部信誉值，计算所述全局信誉值。
可选的，计算全局信誉值的方法为：
Figure BDA0002643649120000021
其中，
Figure BDA0002643649120000022
为第f+1轮迭代计算的节点i的全局信誉向量，
Figure BDA0002643649120000023
为第f轮迭代计算的节点1的全局信誉向量，
Figure BDA0002643649120000024
为第f轮迭代计算的节点n的全局信誉向量，i＝1,2,…,n，j＝1,2,…,n,γ是0到1的常数，
Figure BDA0002643649120000025
Figure BDA0002643649120000026
为所述标准化处理后的局部信誉值，表示节点j对节点i的满意程度；P为预信任节点集，
Figure BDA0002643649120000027
为预信任节点集中节点i的局部信誉向量。
可选的，计算所述标准化处理后的局部信誉值的方法是：
Figure BDA0002643649120000028
其中，
Figure BDA0002643649120000029
pj为预信任节点集中的节点j的局部信誉值，|P|为预信任节点集的个数，Replocal(i,j)为局部信誉值，表示节点i对节点j的满意程度，计算公式为：
Replocal(i,j)＝α*Sat(i,j)+(-β)*Unsat(i,j) (1)
其中，Sat(i,j)表示节点i和节点j达成的满意交易的数量，Unsat(i,j)表示节点i和节点j达成的不满意交易的数量，α和β分别代表满意交易和不满意交易所占的权重。
可选的，所述任务请求者对所述感知数据进行数据质量评估，包括：
计算所述感知数据的真值；
计算所述感知数据与所述真值之间的距离，根据所述距离进行数据质量评估。
可选的，计算所述感知数据的真值的方法是；
Figure BDA0002643649120000031
其中，D是所有工人提交的感知数据集，D分为多个间隔{ds∈D|s＝1,2,…,m}，da为真值所在间隔，d是当前工人提交的感知数据集，m为验证者数量。
可选的，计算所述感知数据与所述真值之间的距离的方法是：
Figure BDA0002643649120000032
Figure BDA0002643649120000033
是工人wq的全局信誉值，
Figure BDA0002643649120000034
是工人wq提交的感知数据，
Figure BDA0002643649120000035
是感知数据与真值之间的准确度。
可选的，所述工人通过所述区块链向所述任务请求者提交的感知数据为具有数字签名的感知数据；
所述执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识，包括：
生成所述工人与所述任务请求者之间的对应关系；
将所述对应关系以及感知数据、数字签名、提交感知数据的时间戳作为工人的工作证明，保存于新生成的工作证明区块中，将所述工作区块区块添加于区块链上；
所述验证者查询所述工作证明，判断是否存在所述对应关系，若存在，所述雇佣关系验证通过，否则验证不通过；
若所述雇佣关系验证通过，通过所述数字签名验证所述感知数据的有效性，通过所述时间戳验证所述感知数据的时效性。
本说明书实施例还提供一种基于区块链的群智感知***，包括：
任务请求者，用于向区块链发布任务，以及接收工人提交的感知数据后，对所述感知数据进行数据质量评估，得到评估结果，将所述评估结果和接收的工人提交的感知数据发送给区块链；
区块链，用于在所述任务请求者发布任务时，选取所述工人，并通过执行验证者选择智能合约选取验证者；用于接收所述工人提交的感知数据时，执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识；用于接收所述任务请求者提交的评估结果和感知数据，执行数据验证智能合约，由所述验证者根据所述任务请求者提交的感知数据和第一次共识中工人提交的感知数据对感知数据进行验证，并根据所述评估结果确定是否执行支付操作，完成第二次共识；以及若第二次共识确定执行支付操作，向所述工人支付相应的奖励。
从上面所述可以看出，本说明书一个或多个实施例提供的基于区块链的群智感知方法及***，当任务请求者向区块链发布任务时，选取工人，并通过执行验证者选择智能合约选取验证者，当工人完成任务，通过区块链向任务请求者提交感知数据时，执行工人雇佣智能合约，由验证者对工人与任务请求者之间的雇佣关系进行验证，完成第一次共识，当任务请求者对工人提交的感知数据进行数据质量评估后，向区块链提交评估结果和接收到的工人提交的感知数据，执行数据验证智能合约，由验证者根据任务请求者提交的感知数据和第一次共识时工人提交的感知数据，对感知数据进行验证，并根据评估结果确定是否执行支付操作，完成第二次共识，若确定可以执行支付操作，向工人支付相应的奖励。本说明书的方法及***，能够降低参与节点的工作负荷，降低对参与节点的配置要求，提高***性能，保证交易公平性。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例的方法流程示意图；
图2为本说明书一个或多个实施例的***拓扑结构示意图；
图3为本说明书一个或多个实施例的信号流向示意图；
图4为本说明书一个或多个实施例的全局信誉计算方法流程示意图；
图5为本说明书一个或多个实施例的数据质量评估方法流程示意图；
图6为本说明书一个或多个实施例的电子设备的结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
基于区块链的群智感知***的参与节点一般包括任务请求者(Task Requester)、区块链、工人(Worker)和验证者(矿工)。任务请求者为了收集特定区域的相关信息，制定包括任务信息和相应的奖励的任务，并将任务发布到区块链，发布任务后触发智能合约。区块链招募工人，工人是完成任务请求者在区块链上发布的任务的参与者，根据个人隐私考虑程度，可以选择来自公共区块链或者私有区块链的任务；工人执行任务，收集感知数据，任务完成后，将感知数据通过区块链上传给任务请求者，任务请求者确认后，区块链执行智能合约，工人获得相应的奖励，由于区块链的匿名性，工人是匿名的，不会泄露真实身份；验证者是在上述过程中对工人和任务请求者之间的交易进行验证的参与者，验证者需要具备一定的能力。通过任务请求者、区块链、工人、验证者之间的数据交互，能够完成物联网特定场景下的数据收集和分析任务。
其中，任务请求者、工人、验证者的功能基于终端设备实现，且根据需求，三者的功能可以转换，用户可以作为任务请求者发布任务，也可以作为工人执行数据收集，还可以竞争验证者。
结合图1-3所示，本说明书一个或多个实施例提供的基于区块链的群智感知方法，包括：
S101：当任务请求者向区块链发布任务时，选取工人，并通过执行验证者选择智能合约选取验证者；
本实施例中，任务请求者发布任务时，区块链选取合适的工人以及验证者，其中，通过触发验证者选择智能合约，利用验证者选择智能合约选取合适的验证者，以便于验证者对交易过程进行验证。
现有的群智感知***是基于工作量证明的共识机制选取验证者，算法复杂，对终端设备的计算能力要求较高，资源配置要求较高，增加了终端设备的工作负荷。本实施例中，为降低对终端设备的配置要求，降低终端设备的负荷，提供一种基于全局信誉的共识机制PoGR(Proof of Global Reputation)，通过计算***中每个节点的全局信誉值，根据计算出的全局信誉值选取出合适的验证者，能够显著降低对终端设备的配置要求，使得群智感知***能够容纳更多轻量化的终端设备，提高资源利用率，提升***性能，同时能够加快任务完成速度，提升数据感知效率。
S102：当工人完成任务，通过区块链向任务请求者提交感知数据时，执行工人雇佣智能合约，由验证者对工人与任务请求者之间的雇佣关系进行验证，完成第一次共识；
本实施例中，工人执行任务，按照任务要求收集感知数据，完成任务后，利用自身的私钥对感知数据进行数字签名后，向区块链提交具有数字签名的感知数据；提交时，触发工人雇佣智能合约，该工人雇佣智能合约用于根据工人提交的具有数字签名的感知数据签订包括工人与任务请求者之间雇佣关系的合约，生成工人与任务请求者之间的对应关系，并将该对应关系以及感知数据、数字签名、提交感知数据的时间戳等交易信息作为工人的工作证明，保存于新生成的工作证明区块中，并将工作证明区块添加于区块链上；验证者查询工作证明区块中的工作证明，通过查询是否存在工人与任务请求者之间的对应关系，验证工人与任务请求者之间是否存在雇佣关系，若存在，表明任务请求者确实雇佣了该工人，否则任务请求者未雇佣该工人；之后，通过对数字签名进行验证以验证所提交的感知数据的有效性(利用公钥对数字签名进行解密，解密成功则确认感知数据为工人所发，感知数据有效)，通过时间戳验证所提交的感知数据是否超过任务时限，从而验证感知数据的时效性；至此，完成第一次共识。
S103：当任务请求者对工人提交的感知数据进行数据质量评估后，向区块链提交评估结果和接收到的工人提交的感知数据，执行数据验证智能合约，由验证者根据任务请求者提交的感知数据和第一次共识时工人提交的感知数据，对感知数据进行验证，并根据评估结果确定是否执行支付操作，完成第二次共识；
本实施例中，工人通过区块链向任务请求者提交感知数据，任务请求者接收工人提交的感知数据后，对感知数据进行数据质量评估，得到评估结果。
任务请求者向区块链提交评估结果和所接收的工人提交的感知数据，触发数据验证智能合约，该数据验证智能合约用于提取工作证明区块中的工作证明，将工作证明、任务请求者提交的感知数据以及评估结果发送给验证者，验证者将工作证明中的感知数据和任务请求者提交的感知数据进行对比，验证感知数据的真实有效性，验证通过后，根据评估结果确定是否执行支付操作，从而完成第二次共识。
S104：若第二次共识过程确定可以执行支付操作，向工人支付相应的奖励。
本实施例中，当验证者确定可以执行支付操作时，将任务请求者发布任务时所提交的奖励分配给工人，支付完成后，验证者将支付记录保存于新生成的支付交易记录区块，将支付交易记录区块添加于区块链上，方便其他参与节点进行查询追溯，以便辨别是否存在拒绝支付等欺诈行为。
本实施例的基于区块链的群智感知方法，当任务请求者向区块链发布任务时，选取合适的工人，并执行验证者选择智能合约用以选取验证者，当工人完成任务，通过区块链向任务请求者提交感知数据时，执行工人雇佣智能合约，由验证者对工人与任务请求者之间的雇佣关系进行验证，完成第一次共识，当任务请求者对工人提交的感知数据进行数据质量评估后，向区块链提交评估结果和任务请求者接收的工人提交的感知数据，执行数据验证智能合约，由验证者根据第一次共识时的感知数据和任务请求者提交的感知数据验证感知数据的真实有效性，验证通过后，根据评估结果确定是否执行支付操作，完成第二次共识，若可以执行支付操作则向工人支付相应的奖励。
本实施例的群智感知方法通过利用新型的验证者选取方法，能够降低***开销，实现轻量化***；采用第一、第二两阶段的数据验证和共识，能够解决不公平支付问题；利用验证者选择智能合约(Verifier Selection Contract，VSC)、工人雇佣智能合约(WorkerEmployment Contract，WEC)和数据验证智能合约(Data Verification Contract，DVC)三种智能合约能够确保***正常自动运行，并限制来自多利益主体的参与者的行为；基于区块链技术，能够保证非完全可信网络中用户之间的信任，保护用户身份隐私，保证数据的不可篡改性。
一些实施例中，验证者选择智能合约基于全局信誉的共识机制PoGR，通过计算***中参与交易的所有节点的全局信誉值，根据所有节点的全局信誉值，从中选取出合适的验证者。即，根据节点在区块链中的历史交易记录，计算出每个节点在群智感知过程中的全局信誉值，能够反映出所有节点的交互历史。在PoGR中，验证者选择智能合约监听区块链中的所有交易，在每次任务完成后且所有交易得到确认后，开始所有节点的全局信誉值，能够实现节点的全局信誉值随交易过程进行实时更新，所有节点以分布式和安全的方式参与全局信誉值的计算，而不会产生较大的开销。
如图4所示，本实施例中，验证者选择智能合约计算参与交易的所有节点的全局信誉值的方法为：对于每个节点，执行以下步骤：
S401：计算当前节点的局部信誉值；
在群智感知***中，任务请求者可以评估工人提交的感知数据，工人也可以对任务请求者给出的评估结果和支付金额进行反馈。例如，任务请求者对接收的感知数据评为满意或不满意，如果不符合提交时间要求或是其他任务要求，可评为不满意。由于区块链的开放性和透明性，所有的交易都可以被检索，因此，对于具有交易关系的节点i和节点j，可以获知在交易时间内节点i对节点j的满意程度。基于此，对于当前节点(节点i)，计算节点i对节点j的满意程度，用局部信誉值Replocal(i,j)表示，计算公式为：
Replocal(i,j)＝α*Sat(i,j)+(-β)*Unsat(i,j) (1)
其中，Sat(i,j)表示节点i和节点j达成的满意交易的数量，Unsat(i,j)表示节点i和节点j达成的不满意交易的数量，α和β分别代表满意交易和不满意交易所占的权重，一些方式中，为简化运算，可设置为α＝β＝1。
S402：对局部信誉值进行标准化处理，得到标准化处理后的局部信誉值；
计算局部信誉值之后，对局部信誉值进行标准化处理，以防止恶意节点之间的恶意串通，导致某些恶意节点信誉过高。标准化处理后的局部信誉值
Figure BDA0002643649120000091
为：
Figure BDA0002643649120000092
这样，标准化处理后的局部信誉值的取值在0-1之间，能够避免某些恶意节点信誉过高的问题。
S403：根据当前节点与其邻居节点之间的交易评级，对标准化处理后的局部信誉值进行聚合处理，得到聚合处理后的局部信誉值；
本实施例中，为聚合更大范围的信誉值，获得由与当前节点进行过交易的邻居节点分配给当前节点的交易评级，以及邻居节点的邻居节点分配给当前节点的交易评级，实现当前节点的局部信誉值的聚合处理，计算公式为：
Figure BDA0002643649120000093
其中，节点i与节点j存在交易关系，节点j为节点i的邻居节点，节点j与节点k存在交易关系，节点k为节点j的邻居节点；
Figure BDA0002643649120000094
表示节点i根据与邻居节点j的交易间接对节点k估计的满意程度，即，聚合处理后的局部信誉值
Figure BDA0002643649120000095
表示节点i对节点k的满意程度。
为了更直观的表示，公式(3)可以使用矩阵形式表示，定义R为矩阵
Figure BDA0002643649120000096
并将
Figure BDA0002643649120000097
定义为包含
Figure BDA0002643649120000098
的向量，即：
Figure BDA0002643649120000099
其中，
Figure BDA00026436491200000910
为
Figure BDA00026436491200000911
的矩阵形式。
向量
Figure BDA00026436491200000912
的展开形式为∑jai,j，且∑jai,j＝1是理想的。相对于仅考虑当前节点的直接交易，考虑邻居节点的交易对当前节点的局部信誉值进行聚合有助于每个参与的节点获得对区块链网络的更广阔的视野。
S404：根据邻居节点与其邻居节点之间的交易评级，基于聚合处理后的局部信誉值，计算当前节点的全局信誉值。
本实施例中，经过聚合处理后的局部信誉值能够体现当前节点与其邻居节点的交易经验，尚未覆盖全局的区块链网络，因此，进一步考虑邻居节点与其邻居节点之间产生的交易，按此方式迭代，得到：
Figure BDA0002643649120000101
其中，N是迭代次数，当N→large，即经过N次迭代后，节点i将具有区块链网络的完整视图。假设R是不可约且非周期性的，则当N足够大时，对所有节点来说，全局信誉向量将收敛到相同的向量，即将收敛到R的左特征向量。换句话说，
Figure BDA0002643649120000102
是***的全局信誉向量，节点i的全局信誉向量
Figure BDA0002643649120000103
可以被用来量化整个***对节点i的信任程度。
参见公式(2)所示标准化处理后的局部信誉值，对于新加入节点，由于其∑jmax(Replocal(i,j),0)＝0，因而无法计算新加入节点的局部信誉值，为解决该问题，一些实施方式中，考虑到区块链网络中先加入的节点可以被认为是可信的，引入预信任节点集P，定义为：
Figure BDA0002643649120000104
其中，如果节点i为预信任节点集中的节点，则pi为节点i的局部信誉值，|P|为预信任节点集的个数。
基于公式(6)，重新得到标准化处理后的局部信誉值为：
Figure BDA0002643649120000105
这样，若节点j为新加入节点，认为节点j为预信任节点集中的节点，其标准化处理后的局部信誉值
Figure BDA0002643649120000106
即可得到新加入节点的局部信誉值。
考虑到存在恶意节点，一些实施例中，定义预信任节点集中的预信任节点的局部信誉向量
Figure BDA0002643649120000107
预信任节点集中的节点i的局部信誉向量
Figure BDA0002643649120000108
重新定义全局信誉向量为：
Figure BDA0002643649120000111
按照公式(8)计算***的全局信誉向量，收敛更快，且能够有效防止恶意节点对***造成危害。
一些实施例中，为了防止恶意串谋攻击，采用以下方式处理：
第f+1轮迭代计算的全局信誉向量
Figure BDA0002643649120000112
为：
Figure BDA0002643649120000113
其中，γ是0到1的常数。
局部信誉向量更新为：
Figure BDA0002643649120000114
预信任节点集中的节点i的全局信誉值的计算公式为：
Figure BDA0002643649120000115
其中，
Figure BDA0002643649120000116
为标准化处理后的节点j对节点i的满意程度。在区块链网络中，考虑到每个节点与其他节点的交易范围有限，因此，大部分σji＝0，能够简化计算。
Figure BDA0002643649120000117
为第f轮迭代计算的节点1的全局信誉向量，
Figure BDA0002643649120000118
为第f轮迭代计算的节点n的全局信誉向量。
为了确保交易的公平性，本实施例中，基于真相发现理论和期望最大化算法提出了一种新型的数据质量评估机制(Data Quality Evaluation Mechanism，QEM)，采用该数据质量评估机制能够有效评估工人提交的感知数据的质量，并根据评估结果计算奖励支付评级。
如图5所示，数据质量评估机制的数据质量评估方法包括：
S501：计算工人提交的感知数据的真值；
本实施例中，综合考虑计算量和数据安全性，利用最大期望算法(Expectation-Maximization algorithm,EM算法)计算工人提交的感知数据的真值。
假设验证者数量为m，将所有工人提交的感知数据集D分为多个间隔{ds∈D|s＝1,2,…,m}，真值属于ds的概率定义为{ψs∈Ψ|s＝1,2,…,m}，作为EM算法的潜在变量，并按以下方式初始化：
Figure BDA0002643649120000119
其中，ws为工人，W为工人集合。
当真值与工人提交感知数据的间隔一致时，ε＝1，否则ε＝0。为了估计工人的可靠性，将θ作为模型的参数，目标是获得包含感知数据D和潜在变量Ψ的模型的相应似然估计，似然函数L(θ；D；Ψ)可以设为：
L(θ；D,Ψ)＝p(D,Ψ|θ)＝∑Ψp(D,Ψ|θ) (13)
设
Figure BDA0002643649120000121
表示工人wq提交的感知数据在间隔db中，而真值在间隔da中，即节点提交的感知数据与真值之间的间隔匹配程度，a＝1,2,…,m,b＝1,2,…,m；计算预期的对数似然函数即为：
Figure BDA0002643649120000122
其中，
Figure BDA0002643649120000123
表示提交的感知数据在间隔db中，而真值在间隔da中的工人wq的可靠性，
Figure BDA0002643649120000124
是工人wq提交的感知数据在间隔da的数据总和，计算公式为：
Figure BDA0002643649120000125
为确定最大化似然函数的参数，可以被用作t次迭代后θ的估计，即：
θt+1＝argmax[L(θt；D,Ψ)] (16)因此，感知数据的真值由加权平均计算如下：
Figure BDA0002643649120000126
其中，d是当前工人提交的感知数据集，当前工人提交的感知数据集d是所有工人提交的感知数据集D的子集。
S502：计算工人提交的感知数据与真值之间的距离，根据该距离进行数据质量评估。
确定真值之后，为了评估数据质量并分配任务奖励，基于K-means聚类算法，预设聚类数量，计算感知数据data与真值之间的准确度，公式为：
Figure BDA0002643649120000127
为了激励工人提交高质量的感知数据并保持良好的绩效，结合节点的全局信誉值和数据准确性，为具有较高信誉和绩效的工人提供更高的回报，因此，计算欧氏距离EDis，计算公式如下：
Figure BDA0002643649120000131
Figure BDA0002643649120000132
表示工人wq的全局信誉值，
Figure BDA0002643649120000133
是工人wq提交的感知数据。
将计算得到的欧式距离作为评估结果，进一步将工人提交的感知数据划分为不同的等级，并根据等级结果向工人支付奖励。例如，欧式距离在第一范围内，感知数据为合格，欧式距离在第二范围内，感知数据为一般，欧式距离在第三范围，感知数据为不合格。
本实施例中，通过融合真值发现和期望最大化算法，能够有效评估工人提交的感知数据的数据质量，避免拒绝支付或不公平支付问题，保证交易公平性，并可有效的规避恶意用户，提高用户参与的积极性。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
结合图2所示，本说明书实施例提供一种基于区块链的群智感知***，包括：
任务请求者，用于向区块链发布任务，以及接收工人提交的感知数据后，对感知数据进行数据质量评估，得到评估结果，将评估结果和接收的工人提交的感知数据发送给区块链；
区块链，用于在任务请求者发布任务时，选取工人，并通过执行验证者选择智能合约选取验证者；用于接收工人提交的感知数据时，执行工人雇佣智能合约，由验证者对工人与任务请求者之间的雇佣关系进行验证，完成第一次共识；用于接收任务请求者提交的评估结果和感知数据，执行数据验证智能合约，由验证者根据任务请求者提交的感知数据和第一次共识中工人提交的感知数据对感知数据进行验证，并根据评估结果确定是否执行支付操作，完成第二次共识；以及若第二次共识确定执行支付操作，向工人支付相应的奖励。
上述实施例的***用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
结合图2、3所示，以下结合具体实施例详细说明基于区块链的群智感知***的数据处理过程。
所有希望参与群智感知***的任务请求者和工人首先在区块链上注册，由区块链为每个参与节点分配一对公钥、私钥，并将参与节点的密钥与身份信息相关联，存储于用户池中，参与节点的其他非隐私性的注册信息作为交易记录保存于公有区块链的分类账中。在区块链进行交易过程中，节点的身份用公钥表示，无需体现真实的身份信息。
任务请求者根据需求生成任务信息和相应的奖励，在区块链中广播任务以获取感知数据。其中，任务信息主要包括任务内容、工作范围、时限要求、任务数据要求和工人质量要求等，任务请求者对任务信息和奖励进行数字签名，并附加其公钥，生成表示任务的散列摘要数据，将任务广播出去。
区块链接收任务请求者发布的任务，选取工人和验证者。其中，选取工人的方法是，按照任务中的工作范围、时限要求、工人质量要求，确定符合要求的工人，例如，可选取距离任务地点在一定范围之内，全局信誉值大于一定信誉值且工作时间符合要求的工人，利用选取出的合适的工人执行任务请求者发布的任务。选取验证者的方法是，触发验证者选择智能合约(VSC)，基于全局信誉的共识机制，通过计算***中参与过交易的所有节点的全局信誉值，根据计算出各节点的全局信誉值，选取出合适的验证者，例如，按照全局信誉值从高到低的顺序，从中选取出一定比例的全局信誉值较高的节点作为验证者。
工人执行任务，按照任务要求收集感知数据
Figure BDA0002643649120000141
通过区块链向任务请求者提交感知数据，所提交的感知数据是工人wq利用其私钥进行数字签名后的感知数据Hashw
Figure BDA0002643649120000142
该感知数据能够表示感知数据
Figure BDA0002643649120000143
属于工人wq。提交感知数据时，触发工人雇佣智能合约(WEC)，生成包括工人与任务请求者之间的对应关系、感知数据Hashw
Figure BDA0002643649120000144
数字签名、时间戳等交易信息的工作证明，并将工作证明保存于工作证明区块中，添加于区块链上；验证者查询工作证明区块中的工作证明，通过工人与任务请求者之间的对应关系验证工人与任务请求者之间是否存在雇佣关系，若存在，进一步根据数字签名验证感知数据的有效性，根据时间戳验证感知数据的时效性；至此，完成第一次共识。其中，工作证明可用于后续的数据质量评估阶段，同时可避免任务请求者的拒绝攻击。
第一次共识完成后，若工人与任务请求者之间存在雇佣关系，且工人提交的感知数据有效，则区块链将工人提交的感知数据发送给任务请求者，由任务请求者利用真值发现和期望最大化算法对提交的感知数据进行数据质量评估，并生成评估结果。
任务请求者完成数据质量评估后，任务请求者将评估结果和所接收的工人提交的感知数据Hashr
Figure BDA0002643649120000151
通过区块链发送给验证者，此时，触发数据验证合约(DVC)，验证者提取工作证明区块的工作证明，将第一次共识中工人提交的感知数据Hashw
Figure BDA0002643649120000152
与任务请求者所提交的感知数据Hashr
Figure BDA0002643649120000153
进行对比，用以验证感知数据的有效性，如果二者一致，进一步根据评估结果确定是否执行支付操作，例如，若评估结果为合格，则可以执行支付操作，若评估结果为不合格，则不执行支付操作；至此，完成第二次共识。
第二次共识完成之后，若验证者确认可以执行支付操作，区块链向工人支付相应的奖励，从而完成任务请求者与工人之间的交易过程。
本说明书实施例提供的基于区块链的群智感知方法及***，一方面，基于全局信誉的共识机制选取验证者，替代了现有的工作量证明的共识机制，避免了在挖矿过程中因算力竞争而造成的资源浪费，降低节点间交易的工作负荷和时间开销，提高资源利用率，提升***性能，并显著降低对终端设备的配置要求，使得群智感知***能够容纳更多轻量化的终端设备，同时能够加快任务完成速度，提升数据感知效率；另一方面，通过融合真值发现和期望最大化算法，对工人提交的感知数据进行数据质量评估，能够避免拒绝支付和不公平支付问题，保证交易公平性，有利于提高感知数据质量，促进用户参与的积极性。
图6示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于区块链的群智感知方法，其特征在于，包括：
当任务请求者向区块链发布任务时，选取工人，并通过执行验证者选择智能合约选取验证者；
当所述工人完成任务，通过所述区块链向所述任务请求者提交感知数据时，执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识；
当所述任务请求者对所述工人提交的感知数据进行数据质量评估后，向所述区块链提交评估结果和接收到的工人提交的感知数据，执行数据验证智能合约，由所述验证者根据任务请求者提交的感知数据和第一次共识时工人提交的感知数据，对感知数据进行验证，并根据所述评估结果确定是否执行支付操作，完成第二次共识；
若确定可以执行支付操作，向所述工人支付相应的奖励。
2.根据权利要求1所述的方法，其特征在于，所述通过执行验证者选择智能合约选取验证者，包括：
计算参与交易的所有节点的全局信誉值；
根据各节点的全局信誉值，选取出所述验证者。
3.根据权利要求2所述的方法，其特征在于，所述计算参与交易的所有节点的全局信誉值，包括：对于每个节点，执行以下步骤：
计算当前节点的局部信誉值；
对所述局部信誉值进行标准化处理，得到标准化处理后的局部信誉值；
根据所述当前节点与其邻居节点之间的交易评级，对所述标准化处理后的局部信誉值进行聚合处理，得到聚合处理后的局部信誉值；所述邻居节点为与所述当前节点进行过交易的节点；
根据所述邻居节点与其邻居节点之间的交易评级，基于所述聚合处理后的局部信誉值，计算所述全局信誉值。
4.根据权利要求3所述的方法，其特征在于，计算全局信誉值的方法为：
Figure FDA0002643649110000011
其中，
Figure FDA0002643649110000012
为第f+1轮迭代计算的节点i的全局信誉向量，
Figure FDA0002643649110000013
为第f轮迭代计算的节点1的全局信誉向量，
Figure FDA0002643649110000021
为第f轮迭代计算的节点n的全局信誉向量，i＝1,2,…,n，j＝1,2,…,n,γ是0到1的常数，
Figure FDA0002643649110000022
Figure FDA0002643649110000023
为所述标准化处理后的局部信誉值，表示节点j对节点i的满意程度；P为预信任节点集，
Figure FDA0002643649110000024
为预信任节点集中节点i的局部信誉向量。
5.根据权利要求4所述的方法，其特征在于，计算所述标准化处理后的局部信誉值的方法是：
Figure FDA0002643649110000025
其中，
Figure FDA0002643649110000026
pj为预信任节点集中的节点j的局部信誉值，|P|为预信任节点集的个数，Replocal(i,j)为局部信誉值，表示节点i对节点j的满意程度，计算公式为：
Replocal(i,j)＝α*Sat(i,j)+(-β)*Unsat(i,j) (1)
其中，Sat(i,j)表示节点i和节点j达成的满意交易的数量，Unsat(i,j)表示节点i和节点j达成的不满意交易的数量，α和β分别代表满意交易和不满意交易所占的权重。
6.根据权利要求5所述的方法，其特征在于，所述任务请求者对所述感知数据进行数据质量评估，包括：
计算所述感知数据的真值；
计算所述感知数据与所述真值之间的距离，根据所述距离进行数据质量评估。
7.根据权利要求6所述的方法，其特征在于，计算所述感知数据的真值的方法是；
Figure FDA0002643649110000027
其中，D是所有工人提交的感知数据集，D分为多个间隔{ds∈D|s＝1,2,…,m}，da为真值所在间隔，d是当前工人提交的感知数据集，m为验证者数量。
8.根据权利要求7所述的方法，其特征在于，计算所述感知数据与所述真值之间的距离的方法是：
Figure FDA0002643649110000031
Figure FDA0002643649110000032
是工人wq的全局信誉值，
Figure FDA0002643649110000033
是工人wq提交的感知数据，
Figure FDA0002643649110000034
是感知数据与真值之间的准确度。
9.根据权利要求1所述的方法，其特征在于，所述工人通过所述区块链向所述任务请求者提交的感知数据为具有数字签名的感知数据；
所述执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识，包括：
生成所述工人与所述任务请求者之间的对应关系；
将所述对应关系以及感知数据、数字签名、提交感知数据的时间戳作为工人的工作证明，保存于新生成的工作证明区块中，将所述工作区块区块添加于区块链上；
所述验证者查询所述工作证明，判断是否存在所述对应关系，若存在，所述雇佣关系验证通过，否则验证不通过；
若所述雇佣关系验证通过，通过所述数字签名验证所述感知数据的有效性，通过所述时间戳验证所述感知数据的时效性。
10.一种基于区块链的群智感知***，其特征在于，包括：
任务请求者，用于向区块链发布任务，以及接收工人提交的感知数据后，对所述感知数据进行数据质量评估，得到评估结果，将所述评估结果和接收的工人提交的感知数据发送给区块链；
区块链，用于在所述任务请求者发布任务时，选取所述工人，并通过执行验证者选择智能合约选取验证者；用于接收所述工人提交的感知数据时，执行工人雇佣智能合约，由所述验证者对所述工人与所述任务请求者之间的雇佣关系进行验证，完成第一次共识；用于接收所述任务请求者提交的评估结果和感知数据，执行数据验证智能合约，由所述验证者根据所述任务请求者提交的感知数据和第一次共识中工人提交的感知数据对感知数据进行验证，并根据所述评估结果确定是否执行支付操作，完成第二次共识；以及若第二次共识确定执行支付操作，向所述工人支付相应的奖励。
CN202010847740.4A 2020-08-21 2020-08-21 一种基于区块链的群智感知方法及*** Active CN112053043B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010847740.4A CN112053043B (zh) 2020-08-21 2020-08-21 一种基于区块链的群智感知方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010847740.4A CN112053043B (zh) 2020-08-21 2020-08-21 一种基于区块链的群智感知方法及***

Publications (2)

Publication Number Publication Date
CN112053043A true CN112053043A (zh) 2020-12-08
CN112053043B CN112053043B (zh) 2022-10-11

Family

ID=73599704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010847740.4A Active CN112053043B (zh) 2020-08-21 2020-08-21 一种基于区块链的群智感知方法及***

Country Status (1)

Country Link
CN (1) CN112053043B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333217A (zh) * 2021-01-07 2021-02-05 北京邮电大学 基于区块链的联合推荐方法和***
CN112488711A (zh) * 2020-12-14 2021-03-12 徐光华 一种基于区块链的数据感知交易***及其方法
CN112651505A (zh) * 2020-12-18 2021-04-13 广州大学 一种用于知识验证的真值发现方法及***
CN112862303A (zh) * 2021-02-04 2021-05-28 天津大学 一种基于区块链的众包质量评估的***及方法
CN112861181A (zh) * 2021-03-09 2021-05-28 东南大学 一种基于区块链的群智化软件开发安全机制的方法
CN113298524A (zh) * 2021-06-11 2021-08-24 北京邮电大学 基于质量检测的区块链数据共享***及方法
CN113344404A (zh) * 2021-06-18 2021-09-03 广西师范大学 基于区块链的信誉共享双阶段数据质量评估方法
CN113555126A (zh) * 2021-06-29 2021-10-26 福建师范大学 一种基于区块链和联邦学习的移动群智感知方法
CN113553612A (zh) * 2021-06-29 2021-10-26 福建师范大学 一种基于移动群智感知技术的隐私保护方法
CN113642978A (zh) * 2021-06-30 2021-11-12 山东师范大学 基于群智感知信任管理机制的人群疏散方法及***
CN113810136A (zh) * 2021-11-17 2021-12-17 南京航空航天大学 一种基于联盟链的群智频谱感知方法、***和存储装置
CN114021769A (zh) * 2021-09-16 2022-02-08 北京邮电大学 一种网络测量数据收集方法及***
CN114584513A (zh) * 2022-03-10 2022-06-03 中国工商银行股份有限公司 区块链和安全多方技术相结合的内容感知方法及***
CN115314513A (zh) * 2022-06-16 2022-11-08 北京邮电大学 基于区块链的信任孪生方法及相关设备
CN116132140A (zh) * 2022-12-30 2023-05-16 北京邮电大学 区块链共识机制的部署方法、装置、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180129953A1 (en) * 2016-11-09 2018-05-10 Cognitive Scale, Inc. System for Performing Compliance Operations Using Cognitive Blockchains
CN108055119A (zh) * 2017-12-11 2018-05-18 北方工业大学 一种群智感知应用中基于区块链的安全激励方法和***
CN110493182A (zh) * 2019-07-05 2019-11-22 北京邮电大学 基于区块链位置隐私保护的群智感知工人选择机制及***
CN110825810A (zh) * 2019-10-28 2020-02-21 天津理工大学 一种基于区块链的群智感知双重隐私保护方法
CN111177778A (zh) * 2019-12-24 2020-05-19 北京邮电大学 一种移动群智感知方法、***和服务器、存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180129953A1 (en) * 2016-11-09 2018-05-10 Cognitive Scale, Inc. System for Performing Compliance Operations Using Cognitive Blockchains
CN108055119A (zh) * 2017-12-11 2018-05-18 北方工业大学 一种群智感知应用中基于区块链的安全激励方法和***
CN110493182A (zh) * 2019-07-05 2019-11-22 北京邮电大学 基于区块链位置隐私保护的群智感知工人选择机制及***
CN110825810A (zh) * 2019-10-28 2020-02-21 天津理工大学 一种基于区块链的群智感知双重隐私保护方法
CN111177778A (zh) * 2019-12-24 2020-05-19 北京邮电大学 一种移动群智感知方法、***和服务器、存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHIHONG ZOU等: "CrowdBLPS: A Blockchain-Based Location-Privacy-Preserving Mobile Crowdsensing System", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 *
马立川: "群智协同网络中的信任管理机制研究", 《中国优秀博士论文库》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112488711A (zh) * 2020-12-14 2021-03-12 徐光华 一种基于区块链的数据感知交易***及其方法
CN112488711B (zh) * 2020-12-14 2024-05-17 中数智创科技有限公司 一种基于区块链的数据感知交易***及其方法
CN112651505B (zh) * 2020-12-18 2022-01-14 广州大学 一种用于知识验证的真值发现方法及***
CN112651505A (zh) * 2020-12-18 2021-04-13 广州大学 一种用于知识验证的真值发现方法及***
CN112333217A (zh) * 2021-01-07 2021-02-05 北京邮电大学 基于区块链的联合推荐方法和***
CN112862303A (zh) * 2021-02-04 2021-05-28 天津大学 一种基于区块链的众包质量评估的***及方法
CN112862303B (zh) * 2021-02-04 2023-04-11 天津大学 一种基于区块链的众包质量评估的***及方法
CN112861181A (zh) * 2021-03-09 2021-05-28 东南大学 一种基于区块链的群智化软件开发安全机制的方法
CN113298524B (zh) * 2021-06-11 2022-08-02 北京邮电大学 基于质量检测的区块链数据共享***及方法
CN113298524A (zh) * 2021-06-11 2021-08-24 北京邮电大学 基于质量检测的区块链数据共享***及方法
CN113344404A (zh) * 2021-06-18 2021-09-03 广西师范大学 基于区块链的信誉共享双阶段数据质量评估方法
CN113344404B (zh) * 2021-06-18 2023-08-08 广西师范大学 基于区块链的信誉共享双阶段数据质量评估方法
CN113553612A (zh) * 2021-06-29 2021-10-26 福建师范大学 一种基于移动群智感知技术的隐私保护方法
CN113553612B (zh) * 2021-06-29 2023-08-11 福建师范大学 一种基于移动群智感知技术的隐私保护方法
CN113555126A (zh) * 2021-06-29 2021-10-26 福建师范大学 一种基于区块链和联邦学习的移动群智感知方法
CN113642978A (zh) * 2021-06-30 2021-11-12 山东师范大学 基于群智感知信任管理机制的人群疏散方法及***
CN114021769A (zh) * 2021-09-16 2022-02-08 北京邮电大学 一种网络测量数据收集方法及***
CN113810136B (zh) * 2021-11-17 2022-03-15 南京航空航天大学 一种基于联盟链的群智频谱感知方法和***
CN113810136A (zh) * 2021-11-17 2021-12-17 南京航空航天大学 一种基于联盟链的群智频谱感知方法、***和存储装置
CN114584513A (zh) * 2022-03-10 2022-06-03 中国工商银行股份有限公司 区块链和安全多方技术相结合的内容感知方法及***
CN115314513A (zh) * 2022-06-16 2022-11-08 北京邮电大学 基于区块链的信任孪生方法及相关设备
CN115314513B (zh) * 2022-06-16 2023-09-19 北京邮电大学 基于区块链的信任孪生方法及相关设备
CN116132140A (zh) * 2022-12-30 2023-05-16 北京邮电大学 区块链共识机制的部署方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112053043B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN112053043B (zh) 一种基于区块链的群智感知方法及***
CN108055119B (zh) 一种群智感知应用中基于区块链的安全激励方法和***
Baza et al. B-ride: Ride sharing with privacy-preservation, trust and fair payment atop public blockchain
US11165589B2 (en) Trusted agent blockchain oracle
CN108768665B (zh) 区块链生成方法、装置、计算机设备以及存储介质
Feng et al. MCS-Chain: Decentralized and trustworthy mobile crowdsourcing based on blockchain
CN112073483B (zh) 基于信誉与委员会背书机制的权威证明共识方法及***
CN116561789B (zh) 隐私数据的处理方法、装置、电子设备及可读存储介质
CN109376008A (zh) 一种虚拟资源的分配方法和装置
CN113326516A (zh) 区块链共识方法、区块链***及计算机设备
CN112765656B (zh) 基于区块链的电车共享充电可信***和方法
CN111612600A (zh) 区块链拍卖方法、设备、存储介质及区块链***
Alswailim et al. A reputation system to evaluate participants for participatory sensing
CN112116352A (zh) 一种保护用户账户隐私的分布式能源交易方法
CN113011883A (zh) 一种数据处理方法、装置、设备及存储介质
Noshad et al. Analyzing and securing data using data science and blockchain in smart networks
Wu et al. Blockchain-based reliable and privacy-aware crowdsourcing with truth and fairness assurance
CN114048515A (zh) 一种基于联邦学习和区块链的医疗大数据共享方法
CN110990790B (zh) 一种数据处理方法及设备
Zhang et al. Auction-based ex-post-payment incentive mechanism design for horizontal federated learning with reputation and contribution measurement
Yu et al. Towards a privacy-preserving smart contract-based data aggregation and quality-driven incentive mechanism for mobile crowdsensing
Hu et al. Privacy-preserving combinatorial auction without an auctioneer
Yuan et al. Lightweight and reliable decentralized reward system using blockchain
CN113807802A (zh) 基于区块链的劳务人员薪资结算方法及相关设备
CN114726638A (zh) 信息记录方法、装置、计算机设备、存储介质和程序产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant